在您的整体数据战略中，数据文化有多重要？在我们的 DataFramed 播客中，Taras Gorishnyy指出了组织内数据科学、人工智能和数据战略的关键支柱：
- 高层支持
- 分析愿景
- 稳健的数据基础
- 尽早确立分析的影响
- 数据技能的广泛分布与数据文化
“任何层级的每个人，无论是高管还是入门级员工，都应该像 20 年前被期望开始使用电子邮件那样，去关注并深入挖掘数据。”——Tanya Cashorali，TCB Analytics 创始人
在整个组织中构建数据流利度
一个数据流利的组织，意味着每个人都知道如何深入获取完成工作所需的数据。比如，我们的市场副总裁可能不需要编写 SQL 代码，甚至不需要写任何代码，但要把工作做好，她需要知道如何访问分析仪表盘并与之交互。她还需要知道如何向数据科学家提出正确的问题，以及如何使用他们提供的结果。我们在 DataCamp 对此的思考总结在下图中：
强大的数据基础需要从数据工程师开始，然后招聘数据科学家和数据分析师。接着，我们可以将业务分析师以及其他部门纳入进来。该过程有助于让每个人都具备数据素养，最终促使公司实现 100% 的数据流利度。公司范围内对数据工具和资源的基本理解，能显著提升同事间的互动质量，使团队能提出更好的需求，并赋能每个人自主做出决策。
为评估各行业的数据流利度现状，我们开展了一项调查，询问 300 多家机构在多大程度上已采取行动实现数据流利：
左侧是数据流利能力成熟的公司，右侧是能力不成熟的公司。在成熟公司中，只有 39% 在数据相关的流程再造和文化变革方面有所实施；而在不成熟公司中，这一比例仅为 7%。在这里仍有巨大的改进空间。
让员工参与其中
在制定数据战略时，为员工做好面向未来工作的准备至关重要。这需要与所有员工持续对话，讨论哪些类型的任务将被自动化、哪些不会、员工群体如何与被自动化的任务共存，以及人与机器的交互界面究竟是什么样子。对于某些岗位，我们会看到工作岗位的自动化，但更大的普遍挑战将是任务层面的自动化，因为某个人工作中的某些部分可能被自动化取代。更好的做法是思考如何提升与重塑这些员工的技能，使其转向更高层次且更有意义的工作。
优先考虑提升员工技能
在面向 300 家机构的调查中，我们还问了一个问题：“哪些类型的业务挑战会阻碍公司构建或改进数据流利度？”大多数机构表示，他们难以招聘到顶尖人才，因为如今大量数据人才选择在科技行业工作。这意味着您无法按期望那样招聘到足够多的“独角兽”，因此应优先在组织内对所有人进行技能提升与再培训。
为培养数据技能，我们调研的许多机构考虑了以下选项：
- 建立数据大学或卓越中心
- 线下培训
- 在线学习平台
- 内部活动以推广与激励学习
- 招聘
- 从供应商采购解决方案
在我们于 DataCamp 网络研讨会中开展的投票里，超过 50% 的受访者表示，他们用于支撑决策的数据工作实际被采用的比例不足 50%。这种流失正是由文化导致的！
行动建议
列出您组织中三到五项数据工作的产出，并审视它们在多大程度上实际用于支撑组织的决策。太多时候，机构聘请了大量优秀的数据分析师和数据科学家去构建仪表盘和机器学习模型，却因为文化方面的挑战，未能按预期方式加以利用。所有这些出色工作都可能被浪费，导致投资回报不佳。
在《商业领袖机器学习权威指南》中，了解更多构建数据文化的最佳实践。
在您的整体数据战略中，数据文化有多重要？在我们的 DataFramed 播客中，Taras Gorishnyy指出了组织内数据科学、人工智能和数据战略的关键支柱：
在整个组织中构建数据流利度
一个数据流利的组织，意味着每个人都知道如何深入获取完成工作所需的数据。比如，我们的市场副总裁可能不需要编写 SQL 代码，甚至不需要写任何代码，但要把工作做好，她需要知道如何访问分析仪表盘并与之交互。她还需要知道如何向数据科学家提出正确的问题，以及如何使用他们提供的结果。我们在 DataCamp 对此的思考总结在下图中：
强大的数据基础需要从数据工程师开始，然后招聘数据科学家和数据分析师。接着，我们可以将业务分析师以及其他部门纳入进来。该过程有助于让每个人都具备数据素养，最终促使公司实现 100% 的数据流利度。公司范围内对数据工具和资源的基本理解，能显著提升同事间的互动质量，使团队能提出更好的需求，并赋能每个人自主做出决策。
为评估各行业的数据流利度现状，我们开展了一项调查，询问 300 多家机构在多大程度上已采取行动实现数据流利：
左侧是数据流利能力成熟的公司，右侧是能力不成熟的公司。在成熟公司中，只有 39% 在数据相关的流程再造和文化变革方面有所实施；而在不成熟公司中，这一比例仅为 7%。在这里仍有巨大的改进空间。
让员工参与其中
在制定数据战略时，为员工做好面向未来工作的准备至关重要。这需要与所有员工持续对话，讨论哪些类型的任务将被自动化、哪些不会、员工群体如何与被自动化的任务共存，以及人与机器的交互界面究竟是什么样子。对于某些岗位，我们会看到工作岗位的自动化，但更大的普遍挑战将是任务层面的自动化，因为某个人工作中的某些部分可能被自动化取代。更好的做法是思考如何提升与重塑这些员工的技能，使其转向更高层次且更有意义的工作。
优先考虑提升员工技能
在面向 300 家机构的调查中，我们还问了一个问题：“哪些类型的业务挑战会阻碍公司构建或改进数据流利度？”大多数机构表示，他们难以招聘到顶尖人才，因为如今大量数据人才选择在科技行业工作。这意味着您无法按期望那样招聘到足够多的“独角兽”，因此应优先在组织内对所有人进行技能提升与再培训。
为培养数据技能，我们调研的许多机构考虑了以下选项：
在我们于 DataCamp 网络研讨会中开展的投票里，超过 50% 的受访者表示，他们用于支撑决策的数据工作实际被采用的比例不足 50%。这种流失正是由文化导致的！
行动建议
列出您组织中三到五项数据工作的产出，并审视它们在多大程度上实际用于支撑组织的决策。太多时候，机构聘请了大量优秀的数据分析师和数据科学家去构建仪表盘和机器学习模型，却因为文化方面的挑战，未能按预期方式加以利用。所有这些出色工作都可能被浪费，导致投资回报不佳。
在《商业领袖机器学习权威指南》中，了解更多构建数据文化的最佳实践。